一个数字开场：41.5 对 20.3。同等训练预算下，去中心化蜂群比单体后训练多拿一倍奖励。更耐看的是第 120 个决策步上发生的事：伐木工的参与份额从 80% 掉到 45%，矿工从 10% 涨到 40%，铁匠从 10% 爬到 15%。没人给他们排班，分工是自己长出来的。【直引】
这套机制叫 MPT，市场式后训练。智能体用出价表达"这轮我想上"，出价决定谁行动，集体结果再按出价分配局部训练信用。没有中央协调者，没有固定编排图。我核了论文全部对照：固定轮转 23.8、AgentNet 20.9、Graph-of-Agents 25.4，学到的自编排 41.5，比最强的替代策略高出 63.4%。【直引】
最能说明问题的是四格拆解：出价和动作都从零开始，只有 15.4；只学出价 21.5；只学动作 27.2；两样一起学 41.5，2.69 倍。再看一个更刁的对照——把出价换成随机数、其他一切保留，成绩掉到 31。也就是说"学会投标"本身就值大约 11 分，信用信号的质量是要单独学的。【判断】
三个任务全部受益，留出集上具身制作 41.5 对 20.3，机器人导航 1.23 对 0.52，深度研究 21.0% 对 9.0%。规模也验证过：推理时群体从 3 个加到 12 个，木镐 pass@3 从 78% 到 97%；哪怕 90% 的智能体随机掉线，12 个的群体还剩 33 分，3 个的只剩 19。迁移到新任务同样更快：Torch 约 35 对 17，石砖约 38 对 19。【直引】
一句提醒：三个实验任务全是沙盘（Minecraft 式制作、R2R-CE 导航、OpenResearcher 问答），出价机制的通用性是论文的假设，不是已验证的事实。把市场机制搬进开放世界之前，先看看它会不会被"抬价不干活"的策略攻破。
下一根钉子：论文证明了出价可以学，但没回答学出来的出价是什么"价格"。如果三个智能体串通把出价压到零、轮流摸鱼，训练信号会不会把这种合谋一并优化出来？博弈论文献里这叫默契串谋，多智能体 RL 里还没人认真防过。